1.一种融合协同过滤的神经Bandits推荐方法,其特征在于,包括:步骤一、基于待推荐用户构建探索网络和利用网络,构建协同过滤模块;
步骤二、在第t轮推荐中,给定臂xt,i通过利用网络输出潜在奖励估计,通过探索网络输出潜在奖励增益,通过协同过滤模块得到当前用户邻居用户的协同分数;
步骤三、将潜在奖励估计、潜在奖励增益、当前用户邻居用户的协同分数输入到决策器中,得到基于用户推荐的最优选择策略。
2.根据权利要求1所述的融合协同过滤的神经Bandits推荐方法,其特征在于,1
设定利用网络为f1(·;θ),在第t轮推荐中,给定臂xt,i通过利用网络得到的潜在奖励估计为 标签为rt,i;
设定探索网络的输入为 输出为 标签为
设定协同过滤模块的输入为 输出为cscorei;
决策器的输入为f1;f2;cscorei,输出为f3(f1,f2,cscorei),标签为pi;
式中, 为网络最后一层的参数,其上标为网络标识,下标表示最后一次对参数进行更新的轮数,xt,i用于表示第t轮推荐中的第i个臂, 为利用网络的梯度,rt,i表示在第t轮推荐中选择第i个臂的真实奖励。
3.根据权利要求2所述的协同过滤的神经Bandits推荐方法,其特征在于,通过决策器对所述潜在奖励估计、所述潜在奖励增益所述当前用户邻居用户的协同分数进行组合,设定决策器为为xt,i的最终分数pt,i关于 cscorei的函数,得到:
对于第t轮中提供的m个臂xt,i∈At,i∈[m],选择其中分数最高的一个臂,选择策略表示为:
4.根据权利要求3所述的协同过滤的神经Bandits推荐方法,其特征在于,所述步骤二包括:设定用户集为U={u1,u2,...,un},对于用户ui,在第t轮推荐中,通过利用不同用户在利用网络上的参数梯度计算相似度,相似度公式为:选取相似度最高的M个用户加入邻居用户集Negi,用户uj对目标物品xt的协同分数cscorei,j定义为目标物品在该用户利用和探索网络的输出之和与该用户与当前用户ui的相似度乘积,公式为:当前用户ui的协同分数定义为其所有邻居用户的协同分数之和,计算公式为:
5.根据权利要求4所述的协同过滤的神经Bandits推荐方法,其特征在于,当决策函数为线性函数时,pt,i=αf1+βf2+γcscorei;
当决策函数为非线性函数时,决策器定义为二层神经网络,隐藏层节点数为50;
在每轮推荐中,选取决策器输出最高的臂进行推荐。
6.根据权利要求1或5所述的协同过滤的神经Bandits推荐方法,其特征在于,所述利用网络和所述探索网络均为二层神经网络,隐藏层节点数为100,所述协同过滤模块的邻居用户为3个。